Моделирование трафика и оценка производительности сетей передачи данных.

ОГЛАВЛЕНИЕ

1. Исторический обзор
2. Назначение и область применения
3. Основные характеристики
4. Детальное описание, включая теоретические основы и модели
5. Методы оценки эффективности
6. Преимущества и недостатки
7. Сравнения по основным параметрам
7. Примеры применения
Список литературы

Моделирование трафика и оценка производительности сетей передачи данных.

Различают экспоненциальные и неэкспоненциальные модели СПД. Экспоненциальные модели основаны на предположении о том, что потоки заявок, поступающие в СПД, являются пуассоновскими, а время обслуживания в узлах СПД имеет экспоненциальное распределение. Для таких сетей получены точные методы для определения их характеристик; трудоемкость получения решения зависит в основном от размерности сети.
Однако в большинстве сетей (и локальных сетей в частности) потоки не являются пуассоновскими. Модели таких сетей называются неэкспоненциальными. При анализе неэкспоненциальных сетей в общем случае отсутствуют точные решения, поэтому наибольшее применение здесь находят приближенные методы.
Одним из таких методов является метод диффузионной аппроксимации. Использование диффузионной аппроксимации позволило, к настоящему времени получить приближенные аналитические зависимости для определения характеристик всех типов СМО, рассмотренных выше. При этом не требуется точного знания функций распределения случайных величин, связанных с данной СМО (интервалов между поступлениями заявок временем обслуживания в приборах), а достаточно только знание первого (математического ожидания) и второго (дисперсии или квадрата коэффициента вариации - ККВ) моментов этих величин.
Применение диффузионной аппроксимации при анализе СПД основано на следующем:
1) по каждому типу заявок вычисляется интенсивность поступления заявок данного типа в узлы сети так, как если бы данный поток заявок циркулировал в сети только один;
2) по определенному правилу, зависящему от типа СМО и дисциплины обслуживания, складываются потоки заявок от всех источников;
3) по определенному правилу определяется среднее время обслуживания в каждом узле СПД;
4) полученные значения подставляются в соответствующую диффузионную формулу и определяются характеристики узлов СПД;
5) определяются характеристики СПД в целом.
Постановка задачи анализа СПД при этом примет следующий вид.
Дано:
- число узлов СПД;
- тип каждого узла СПД (тип СМО, моделирующей данный узел);
- дисциплина обслуживания в каждом узле СПД;
- общее число типов источников заявок, работающих в диалоговом режиме;
- общее число типов источников заявок, работающих в неоперативном режиме;
- для диалоговых источников в случае сложного режима работы - число технологических процессов каждого типа, число операций в каждом технологическом процессе, среднее и ККВ времени выполнения каждой операции, матрица вероятностей передач между операциями, а также наличие или отсутствие на каждой операции обращения к СПД;
- для диалоговых источников в случае простого режима работы - число источников (терминалов) каждого типа, среднее и ККВ времени реакции абонента на ответ сети;
- для неоперативных абонентов - средняя интенсивность поступления заявок и ККВ времени между поступлениями заявок;
- по каждому типу заявок (диалоговому и неоперативному) - средняя интенсивность обслуживания в каждом узле СПД, ККВ времени обслуживания в узлах СПД и матрица вероятностей передач между узлами.
Требуется найти:
- среднее значение и дисперсию (или стандартное отклонение) времени задержки заявки каждого типа в СПД в целом;
- среднее значение и дисперсию (или стандартное отклонение) времени задержки в узлах СПД;
- загрузку узлов СПД;
- вероятность потери заявки в узле СПД (для узлов, моделируемых СМО с потерями).
Ограничения могут быть следующими:
- загрузка узлов не должна превышать 1;
- вероятность потери заявки не должна превышать 1;
- все характеристики должны быть положительны.
Иногда представляет интерес определение такого показателя, как максимальное время задержки заявки каждого типа в СПД. Максимальное время - это такое время, превышение которого допустимо лишь для некоторого, наперед заданного процента заявок каждого типа. Для определения максимального времени используется методика, основанная на аппроксимации функции распределения времени задержки в сети эрланговским или гиперэкспоненциальным распределением, при этом необходимо задавать долю (процент) заявок, для которых рассчитывается максимальное время.
ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ. Существует довольно значительное количество ППП, автоматизирующих процессы разработки и исследования аналитических моделей вычислительных систем и сетей. Рассмотрим один из них, достаточно простой и удобный в использовании, - ППП "ДИФАР". В основу его построения положены изложенные выше положения моделирования систем и сетей массового обслуживания.
Пакет ДИфАР предназначен для аналитического моделирования и оптимизации систем, сетей массового обслуживания и сетевых систем. Он позволяет рассчитывать вероятностно-временные характеристики СМО, СеМО и сетевых систем, задавая в качестве параметров два момента входных потоков и обслуживания, что позволяет исследовать поведение систем в широком диапазоне изменений как средних значений, так и дисперсий потоков и обслуживания, а также найти оптимальное построение сетевых систем по значениям вероятностно-временных характеристик (ВВХ), адекватных фактическим распределениям.
Пакет ДИФАР обеспечивает расчет:
- системных характеристик для одноканальных и многоканальных систем массового обслуживания без ограничений на емкости буферных накопителей (среднее значение и дисперсия времени пребывания, максимальное время пребывания для r процентов заявок, загрузка);
- системных характеристик для одноканальных и многоканальных систем массового обслуживания, учитывающих ограничения на емкости буферных накопителей (среднее значение и дисперсия времени пребывания, максимальное время пребывания для r процентов заявок, вероятность отказа в обслуживании, загрузка);
- системных характеристик для одноканальных систем массового обслуживания с групповым поступлением заявок или групповым обслуживанием заявок (среднее значение и дисперсия времени пребывания заявки, максимальное время пребывания для r процентов заявок, загрузка);
- системных и сетевых характеристик открытых неоднородных сетей массового обслуживания с узлами различных типов (среднее значение и дисперсия времени пребывания в сети, максимальное время пребывания в сети для r процентов заявок, среднее значение и дисперсия времени пребывания в каждом узле сети, максимальное время пребывания в каждом узле для r процентов заявок, загрузка узлов сети, вероятности отказов в обслуживании в узлах);
- системных и сетевых характеристик замкнутых и смешанных неоднородных сетей массового обслуживания с узлами различных типов, с простым режимом работы диалоговых абонентов (среднее значение и дисперсия времени пребывания в сети заявки каждого типа, максимальное время пребывания в сети для r процентов заявок каждого типа, среднее значение и дисперсия времени пребывания в каждом узле сети, загрузка узлов сети, вероятности отказов в обслуживании в узлах);
- системных и сетевых характеристик замкнутых и смешанных неоднородных сетей массового обслуживания с узлами различных типов со сложным режимом работы диалоговых абонентов (среднее значение и дисперсия времени цикла технологического процесса работы каждого диалогового абонента, максимальное время цикла для r процентов технологических процессов каждого типа, среднее значение и дисперсия времени пребывания в сети заявки каждого типа, максимальное время пребывания в сети для r процентов заявок каждого типа, среднее значение и дисперсия времени пребывания в каждом узле сети, загрузка узлов сети, вероятности отказов в обслуживании в узлах);
- показателей производительности сетевых систем, в качестве моделей которых используются открытые, замкнутые и смешанные сети массового обслуживания (локальные вычислительные сети, информационно-вычислительные сети, центры коммутации пакетов и др.).
Пакет программ позволяет проводить анализ сетевых систем, включающих от 30 (замкнутые и смешанные сети со сложным режимом работы диалоговых абонентов) до 50 узлов СМО (открытые, замкнутые и смешанные сети с простым диалогом) на PC XT/AT с 512 Кбайтами оперативной памяти.
Ниже приведены примеры моделирования некоторых СПД. Результаты расчетов характеристик данных сетей получены с помощью пакета ДИФАР.
Дадим краткую характеристику других наиболее известных коммерческих программ, имеющих средства для моделирования трафика. Некоторые из этих пакетов принадлежат производителям сетевых устройств и предназначены для анализа характеристик сетей, построенных на их собственном оборудовании.
Стоимость предназначенной для этой цели программного обеспечения достаточно высока, обычно - десятки тысяч долларов. Основными рабочими платформами являются рабочие станции с системой UNIX и/или персональные компьютеры с системой Windows. В крупных проектах для более достоверного анализа часто применяют две-три различных системы, чтобы была возможность сравнить результаты, полученные на разных моделях.
Наиболее распространенным методом расчета вероятностно-временных характеристик является имитационное моделирование. Используются также аналитические методы. Среди основных рассчитываемых характеристик средние значения числа переданных и потерянных АТМ-пакетов (cells), значения задержек пакетов в сети, процент использования пропускной способности линий, число пакетов, передающихся с превышением пиковой и средней скорости передачи.
В таблице 1 указаны наиболее известные коммерческие программы, имеющие средства для моделирования трафика.
Таблица 1
Примечание. А - аналитическое моделирование, И - имитационное
моделирование
Коммерческие программы моделирования трафик предлагают проектировщикам готовые инструментальные средства, позволяющие смоделировать различные варианты построения сети, оценить их характеристики и выбрать оптимальное решение.
Существенным препятствием для использования в отечественной практике западных программных продуктов моделирования трафика является высокая стоимость этих продуктов.
Кроме того, используемые во всех рассмотренных продуктах методы и алгоритмы скрыты внутри программ. Это означает, что единственным способом, позволяющим оценить точность расчетов с помощью данных программ, является построение реальных образцов сетей. Не имея информации о том, какие предположения и упрощения заложены в моделях, выявить ошибку можно только на поздних стадиях реализации проекта построения сети.
Уменьшить вероятность возникновения таких ситуаций можно за счет использования двух-трех различных программ моделирования и сравнения результатов, полученных при работе с несколькими моделями. Так, например, поступили, при разработке проекта NILE, когда одновременно применяли COMNET III, BONes Designer и OPNET Modeler. Однако это еще больше удорожает процесс проектирования.
ЗАВИСИМОСТЬ ЭФФЕКТИВНОСТИ КОРПОРАТИВНЫХ СЕТЕЙ ОТ ПРОТОКОЛОВ МАРШРУТИЗАЦИИ.
В настоящее время наблюдается устойчивый рост интереса к способам повышения эффективности функционирова­ния корпоративных сетей. Особого внимания заслуживает выбор протокола маршрутиза­ции, поскольку переход на более совершенный протокол может привести к значительному росту эффективности функционирова­ния корпоративных сетей при минимальных затратах.
В настоящее работе с по­мощью инструментов имитационного моделирования исследуется эффективность ра­боты трёх наиболее распространённых протоколов маршрутизации (RIP,OSPF,IGRP) в различных условиях функционирования корпоративной сети. Структура логического ядра выбрана на основе анализа ряда существенных и проектируемых корпоративных сетей масштаба города.
Целью исследования явля­ется оценка протоколов маршрутизации (RIP,OSPF, IGRP) с точки зрения эффек­тивности функционирования корпоративной сети в целом при различных условиях работы.
Под эффективностью кор­поративной сети понимают то, насколько поведение системы соответствуют тем целям, для достижения которой она приме­няется. Сосредоточимся на сети передачи данных, которая пред­ставляет собой «скелет» корпоративной сети. Тогда, аб­страгировавшись от особенностей функциониро­вания различных приложений и сервисов можно рассматривать различные виды трафика (пере­даваемых данных), что ограничивает виды различных задач типами передаваемых данных. Каждый вид трафика предъявляет к сети передачи данных свои требо­вания, но в конечном итоге можно говорить о двух основ­ных требованиях, характеризующих эффектив­ность работы сети передачи данных – это результативность и своевременность доставки информации.
Требование к результатив­ности доставки определяет положи-тельный элемен­тарный числовой прирост эффективности функциони­рования сети в случае успешной передачи одной информа­ционной единице либо отрицательную величину штрафа в случае её потере ли искажения.
Требование к современ­ности доставки определяет функциональную зависимость элементарного значения эффек­тивности от времени передачи одной информационной еди­ницы. Эта зависимость имеет следующий вид:

Начальная точка прямой, её наклон и время жизни зависят от конкретного вида трафика.
Следовательно, можно получить числовое элементарное значение, характеризующее эффективность корпоративной сети при передаче одиночного сообщения M(i,j,h), состоящего из N информационных единиц.
где i – номер узла-отправителя
j – номер узла получателя
h – тип трафика
N – количество информационных единиц в сообщении.
ETM(i,j,h) - эффективность передачи сообщения с заданным типом тра­фика, состоящего из N информационных единиц от узла i к узлу j в корпо­ративной сети.
Dh(Ek) – функция результативности передачи информационной еди-ницы для конкретного типа (h) трафика.
Ek – результат передачи k-ой информационной единицы.
Wh(Tk) – функция своевременности передачи.
Tk - время передачи k-ой информационной единицы от узла i к узлу j.
Тогда эффективность функционирования корпоративной сети в целом для конкретного вида трафика равна:
Получается, что на эффективность функционирования корпоративной сети влияют следующие факторы:
        Ek - результат передачи k-ой информационной единицы.
  Tk – время передачи k-ой информационной единицы.
Теперь, получив критерий оценки эффективности корпоративной сети, можно работать над оценкой протоколов маршрутизации с точки зрения эффективности функционирования корпоративной сети.
В данном случае параметром, влияющим на эффективность функционирования корпоративной сети, является выбор маршрута передачи сообщения.
Данные, необходимые для расчета эффективности, были получены в результате имитационного моделирования процессов маршрутизации в корпоративной сети.
После анализа ряда существующих и проектируемых корпоративных сетей масштаба города, была построена обобщенная концептуальная структура логического ядра корпоративной сети (рисунок сверху).
Затем, описана математическая модель сети, в виде нагруженного графа, вершинами которого являются маршрутизаторы, а рёбрами каналы связи.
Далее на графе имитируются процессы маршрутизации и посылки сообщений для выбранных протоколов маршрутизации.
Для протоколов маршрутизации, в соответствии с заложенными в них алгоритмами, строятся таблицы маршрутизации. Далее строится маршрут от одного узла к другому. Эти маршруты часто различаются для разных протоколов. После построения маршрута по нему посылается сообщение, состоящее из N информационных единиц с определённой скоростью поступления. При посылке сообщения маршрут, в общем случае состоящий из нескольких каналов, рассматривается как одно обслуживающее устройство с очередью. Так как маршрут представляет собой вырожденную сеть, то здесь применима теорема «о минимальном сечении», т. е. пропускная способность маршрута будет равна мини-мальной пропускной способности среди каналов, входящих в маршрут. Организация очереди не требует дополнительных ограничений, поскольку её длина контролируется за счет ограниченного времени жизни сообщений, по истечению которого сообщения покидают систему (теряются). Также учитывается вероятность потери сообщения при передаче.
где k – номер канала в маршруте
m – количество каналов в маршруте
Pk – вероятность потери сообщения в канале k.
При потере сообщения из общей суммы элементарных эффективностей сразу вычитается штраф за потерю информационной единицы. Если информационная единица дошла, то к общей сумме элементарных эффективностей прибавляется премия за доставку сообщения плюс значение Wk(Tk). В итоге, перебрав все возможные связи между узлами сети (от каждого к каждому) получаем значение для эффективности функционирования корпоративной сети в целом.
В ходе исследования были рассмотрены различные условия функционирования сети в зависимости от надёжности и загруженности каналов связи, причем было рассмотрено два типа трафика: данные (передача файлов) и мультимедиа (сжатое видео) как два основных вида трафика с наиболее ярко выраженными различиями в требованиях. В результате получилось, что протоколы IGRP и OSPF показали явное превосходство над RIP практически во всех случаях. Единственной ситу-ацией, когда протокол RIP не отставал, была передача небольших объемов информации, малочувствительной к задержкам (данные) с низкой интенсивностью поступления по малонагруженным каналам связи. IGRP лишь немного опередил OSPF и только при передаче мультимедийных данных в сложных ситуациях (ненадёжные каналы связи с разнородной нагрузкой). Эффективность протокола маршрутизации в основном зависит от его способности адаптироваться к условиям работы корпоративной сети и чем жестче условия тем сильнее проявляется эффект от этой способности.
Основываясь на результатах моделирования, можно рекомендовать в качестве протоколов маршрутизации корпоративных сетей масштаба города протоколы IGRP и OSPF, которые не имеют решающих преимуществ друг перед другом. По возможности, следует отказаться от применения устаревшего протокола RIP, который не адаптируется к изменяющимся условиям работы
6. Преимущества и недостатки
Часто удается быстро получить аналитические модели для решения достаточно широкого круга задач исследования СПД. В то же время аналитические модели имеют ряд существенных недостатков, к числу которых следует отнести:
- значительные упрощения, свойственные большинству аналитических моделей (представление потоков заявок как простейших, предположение об экспоненциальном распределении длительностей обслуживания заявок, невозможность обслуживания заявок одновременно несколькими приборами, например процессором и оперативной памятью, и др.). Подобные упрощения, а зачастую искусственное приспособление аналитических моделей с целью использования хорошо разработанного математического аппарата для исследования реальных СПД ставят иногда под сомнение результаты аналитического моделирования;
- громоздкость вычислений для сложных моделей, например, использование для представления в модели процесса функционирования современной СПД по методу дифференциальных уравнений Колмогорова требует (для установившегося режима) решения сложной системы алгебраических уравнений;
- сложность аналитического описания вычислительных процессов СПД. Большинство известных аналитических моделей можно рассматривать лишь как попытку подхода к описанию процессов функционирования СПД;
- недостаточная развитость аналитического аппарата в ряде случаев не позволяет в аналитических моделях выбирать для исследования наиболее важные характеристики (показатели эффективности) СПД. Особенно большие затруднения при аналитическом моделировании связаны с учетом в процессах функционирования СПД программных средств операционных систем и другого общего программного обеспечения (ПО).
Указанные особенности позволяют заключить, что аналитические методы имеют самостоятельное значение лишь при исследовании процессов функционирования СПД в первом приближении и в частных, достаточно специфичных задачах. В этих случаях возможности исследования аналитических моделей СПД существенно расширяют приближенные методы, например методы диффузионной аппроксимации, методы операционного анализа и аналитические сетевые модели.